【摘要】：出租車作為一種特殊的公共交通方式,因其快速,方便,舒適和安全的特點(diǎn)而受到越來越多的短途出行者的青睞。但是,隨著出租車行業(yè)的發(fā)展,城市車輛和客流分布不均造成的供需失衡尤為嚴(yán)重。為解決這一問題,構(gòu)建多因素影響下的出租車出行需求預(yù)測(cè)模型,使出租車運(yùn)營(yíng)公司提前對(duì)出租車進(jìn)行科學(xué)合理的調(diào)度安排顯得尤為重要。本文以2017年4月西安市1萬多輛出租車軌跡數(shù)據(jù)為研究對(duì)象。用Python編寫的偽分布式處理框架完成了大規(guī)模GPS原始數(shù)據(jù)的處理,包括數(shù)據(jù)清洗、坐標(biāo)轉(zhuǎn)換、地圖匹配、OD提取等工作,并通過不同參數(shù)對(duì)比證明了該框架的有效性和便捷性。其次,針對(duì)熱點(diǎn)區(qū)域挖掘問題提出了基于密度場(chǎng)的熱點(diǎn)探測(cè)模型,相比其他聚類模型,該模型可以根據(jù)研究尺度的不同進(jìn)行參數(shù)調(diào)整,大大降低了參數(shù)選擇的困難性。利用該模型并結(jié)合統(tǒng)計(jì)學(xué)方法探討出租車熱點(diǎn)的時(shí)空分布特征,研究表明:出租車出行高峰時(shí)段與居民出行高峰期略有不同,為早高峰6:00~8:00,午高峰12:00~14:00,晚高峰20:00~22:00;各個(gè)時(shí)段的出行時(shí)間分布均較為分散,大部分集中在5到25分鐘,且多以5~10分鐘的短途出行為主;在空間分布上,出租車載客熱點(diǎn)區(qū)域主要分布在交通服務(wù)區(qū)和城市主干道周圍;結(jié)合城市功能定位,居民區(qū)表現(xiàn)為早高峰上車熱點(diǎn)等級(jí)高于午、晚高峰;醫(yī)療服務(wù)區(qū)表現(xiàn)為早、午高峰熱點(diǎn)等級(jí)較高且相同時(shí)段的熱點(diǎn)中往往工作日的熱點(diǎn)等級(jí)會(huì)高于非工作日的熱點(diǎn)等級(jí)的特點(diǎn);大型商業(yè)服務(wù)區(qū)的上車熱點(diǎn)等級(jí)表現(xiàn)為午、晚高峰較高、早高峰較低的特點(diǎn),但由于所處位置的不同,其他小型商業(yè)服務(wù)區(qū)的熱點(diǎn)等級(jí)變化規(guī)律與之有著較大的差異。最后,選擇兩個(gè)不同功能區(qū)域的出租車出行需求熱點(diǎn)作為實(shí)驗(yàn)組,并將主要城區(qū)的出租車出行需求作為對(duì)照組,結(jié)合天氣、空氣質(zhì)量等因素構(gòu)建了出租車出行需求影響因素集。分別應(yīng)用嶺回歸預(yù)測(cè)模型、隨機(jī)森林回歸預(yù)測(cè)模型以及基于這兩個(gè)模型權(quán)重的組合預(yù)測(cè)模型,預(yù)測(cè)實(shí)驗(yàn)組和對(duì)照組中的出租車需求。研究結(jié)果表明:模型的性能和研究區(qū)域以及評(píng)估指標(biāo)均有關(guān)系,從研究區(qū)域角度來說,主城區(qū)的模型預(yù)測(cè)效果要好于其他兩個(gè)研究區(qū)域,以擬合優(yōu)度評(píng)價(jià)指標(biāo)為例,三種模型的擬合優(yōu)度均在0.90以上,而其他兩個(gè)模型的擬合優(yōu)度則在0.80左右;從回歸模型角度來講,不同的評(píng)價(jià)指標(biāo)選出的最佳模型不盡相同,但隨機(jī)森林回歸預(yù)測(cè)模型被評(píng)為最佳模型的次數(shù)最多。
【學(xué)位授予單位】：長(zhǎng)安大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類號(hào)】：U491
【圖文】：

研究范圍研究數(shù)據(jù)來源于西安市出租車公司提供的出租車軌跡數(shù)據(jù)，單日文件大小2G左右，

坐標(biāo)轉(zhuǎn)換前

坐標(biāo)轉(zhuǎn)換后c）數(shù)據(jù)脫敏

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 朱尚偉;李景華;;嶺回歸參數(shù)的兩個(gè)預(yù)期約束[J];統(tǒng)計(jì)與決策;2015年22期

2 牟乃夏;張恒才;陳潔;張靈先;戴洪磊;;軌跡數(shù)據(jù)挖掘城市應(yīng)用研究綜述[J];地球信息科學(xué)學(xué)報(bào);2015年10期

3 唐爐亮;鄭文斌;王志強(qiáng);徐紅;洪軍;董坤;;城市出租車上下客的GPS軌跡時(shí)空分布探測(cè)方法[J];地球信息科學(xué)學(xué)報(bào);2015年10期

4 信睿;艾廷華;楊偉;馮濤;;顧及出租車OD點(diǎn)分布密度的空間Voronoi剖分算法及OD流可視化分析[J];地球信息科學(xué)學(xué)報(bào);2015年10期

5 孫飛;張霞;唐爐亮;劉章;楊雪;董坤;;基于GPS軌跡大數(shù)據(jù)的優(yōu)質(zhì)客源時(shí)空分布研究[J];地球信息科學(xué)學(xué)報(bào);2015年03期

6 何林;柳林濤;許超鈐;梁星輝;;常見平面坐標(biāo)系之間相互轉(zhuǎn)換的方法研究——以1954北京坐標(biāo)系、1980西安坐標(biāo)系、2000國(guó)家大地坐標(biāo)系之間的平面坐標(biāo)相互轉(zhuǎn)換為例[J];測(cè)繪通報(bào);2014年09期

7 唐世慶;李云龍;田鳳明;胡海榮;;基于Hadoop的云計(jì)算與存儲(chǔ)平臺(tái)研究與實(shí)現(xiàn)[J];四川兵工學(xué)報(bào);2014年08期

8 王詔遠(yuǎn);李天瑞;程堯;王躍;易修文;;基于經(jīng)驗(yàn)分布的打車概率和等待時(shí)間預(yù)測(cè)[J];計(jì)算機(jī)工程與應(yīng)用;2015年24期

9 邱敦國(guó);楊紅雨;;一種基于雙周期時(shí)間序列的短時(shí)交通流預(yù)測(cè)算法[J];四川大學(xué)學(xué)報(bào)(工程科學(xué)版);2013年05期

10 羅江華;;基于MD5與Base64的混合加密算法[J];計(jì)算機(jī)應(yīng)用;2012年S1期

相關(guān)會(huì)議論文 前1條

1 謝開強(qiáng);;基于主題模型的出租車出行行為分析[A];創(chuàng)新驅(qū)動(dòng)與智慧發(fā)展——2018年中國(guó)城市交通規(guī)劃年會(huì)論文集[C];2018年

相關(guān)碩士學(xué)位論文 前8條

1 高星星;基于出租車軌跡數(shù)據(jù)的并行化區(qū)域熱點(diǎn)分析方法研究[D];西安理工大學(xué);2018年

2 王明;基于出租車GPS數(shù)據(jù)的載客熱點(diǎn)可視化的研究與應(yīng)用[D];中北大學(xué);2018年

3 于揚(yáng)紅雪;出租車需求量預(yù)測(cè)模型的研究[D];大連海事大學(xué);2017年

4 蔡柳;基于出租車軌跡數(shù)據(jù)挖掘的居民出行特征研究[D];長(zhǎng)安大學(xué);2017年

5 馮琦森;基于出租車軌跡的居民出行熱點(diǎn)路徑和區(qū)域挖掘[D];重慶大學(xué);2016年

6 郭鵬妮;嶺回歸與分位數(shù)回歸的研究及結(jié)合應(yīng)用[D];哈爾濱工業(yè)大學(xué);2014年

7 施美珍;基于粒子群優(yōu)化算法的模糊聚類分析及其應(yīng)用[D];華南理工大學(xué);2012年

8 夏州;GPS車輛導(dǎo)航中的數(shù)據(jù)處理與地圖匹配研究[D];北京交通大學(xué);2009年

本文編號(hào)：2782886